Google Cloud 人工智慧主管闡述提升模型能力的主要發展方向

身為 Google Cloud 的產品副總裁，Michael Gerstenhaber 的主要工作重心在於 Vertex——該公司全面的企業級 AI 部署平台。這個職位讓他能夠從宏觀角度觀察企業如何實際部署 AI 模型，以及在釋放自主 AI 潛力方面仍面臨的關鍵障礙。

我與麥可的對話中，他提出了一項特別獨到的見解。他將 AI 模型的進展視為同時向三個不同領域的推進：原始智能、響應延遲，以及關鍵的第三個因素——成本效益。這個第三個領域與純粹的能力關係不大，更多在於可負擔性，決定了模型是否能以足夠低廉的成本部署，並在龐大且難以預測的規模下運作。對於任何希望引導尖端模型開發走向新方向的人來說，這是一個極具價值的框架。

為求清晰，本次訪談內容已進行刪節與編輯。

首先，能否請您簡述您的 AI 背景以及目前在 Google 的職務？

我從事人工智慧工作約有兩年。在 Anthropic 工作一年半後，我約六個月前加入 Google。我負責領導 Vertex 開發者平台。我們的主要使用者是開發自訂應用的工程師。他們需要存取代理工作流程、穩健的代理平台，以及全球最先進模型的推論能力。 我的團隊負責提供這個基礎平台，而終端用戶應用程式則由我們的客戶——例如 Shopify 和湯森路透——在各自的特定產業中自行開發。

是什麼促使您轉投 Google 呢？

Google 的獨特優勢在於其垂直整合能力，涵蓋範圍從使用者介面一直延伸至基礎架構層。我們自行設計資料中心、管理電力採購、開發客製化晶片（TPUs）、訓練自有基礎模型，並掌控推論與代理式協調層。 我們提供記憶體與程式碼生成等功能的 API。除此之外，我們還建置了用於合規與治理的代理引擎，以及像 Gemini 這樣的消費者與企業介面。這種端到端的掌控力是我們的一大優勢，也是我加入的關鍵原因。

TechCrunch 創辦人峰會最高可省 $300 或 30%

加入2026 年 TechCrunch 創辦人峰會，與 1,000 多名創辦人及投資者共度專注於成長、執行與擴張的全天盛會。從塑造產業的創辦人與投資者身上獲取洞見。與處於相似成長階段的同儕建立人脈。帶著可立即執行的策略滿載而歸。

優惠截止日期為 3 月 13 日。

TechCrunch 創辦人峰會最高可省 $300 或 30%

加入2026 年 TechCrunch 創辦人峰會，與 1,000 多名創辦人及投資者共度專注於成長、執行與擴張的全天盛會。從引領產業的創辦人與投資者身上汲取洞見。與處於相似成長階段的同儕建立人脈。帶著可立即付諸實行的策略滿載而歸。

優惠截止日期為 3 月 13 日。

這很有趣——儘管各有所異，三大 AI 實驗室在核心能力上似乎旗鼓相當。這純粹是一場智慧競賽，還是局勢更為複雜？

我觀察到三種截然不同的效能界限。首先，像 Gemini Pro 這樣的模型專注於原始智能的優化。複雜程式碼生成便是絕佳例證；您會追求最高品質的輸出，即使耗時較長也無妨，因為您之後還需維護並部署該程式碼。

第二道界限是延遲。在即時客戶服務情境中，AI 既需要具備執行政策的能力（例如處理退貨或座位升級），也需具備在用戶失去耐心前迅速給出答案的速度。在此情境下，你需要的是能在嚴格的時間限制內運作的最聰明模型。

第三個限制是規模擴展下的成本。像 Reddit 或 Meta 這樣的企業，旨在管理海量內容，面臨著難以預測的需求。若不清楚成本將如何隨規模擴展，它們便無法承擔無限的企業風險。它們需要的是在預算範圍內最智能的模型，同時也必須具備足夠的成本效益，以處理潛在無限量的任務。

一個持續存在的疑問是：為何具代理能力的 AI 系統尚未獲得更廣泛的採用？儘管模型能力與令人印象深刻的示範已然存在，但許多人一年前預期的變革性轉變卻尚未完全實現。主要瓶頸究竟何在？

這項底層技術僅有約兩年的歷史，關鍵基礎設施仍未完備。我們缺乏審計代理行為或授權代理存取資料的既定模式。要落實這些可投入生產的模式，需要投入大量工作。實際部署的採用速度總是落後於技術能力。短短兩年時間，根本不足以讓智慧能力的全貌體現在成熟的部署系統中，而這正是當前的挑戰所在。

在軟體工程領域，其採用速度之所以格外迅速，是因為它能與現有的開發週期完美整合。工程師擁有安全的開發與測試環境。在 Google，程式碼必須經過兩位工程師的審查與批准，才能以公司名義交付給客戶。這些「人為介入」的流程使實作風險極低。我們需要為其他領域和專業發展出同等安全、可靠的模式。